周象賢，劉 黎，王少華，邵先軍，李 特，王振國，劉 巖，曹俊平，葛黃徐，王 謙

（1.國網(wǎng)浙江省電力有限公司電力科學(xué)研究院，杭州 310014；2.國網(wǎng)浙江省電力有限公司，杭州 310007；3.國網(wǎng)浙江省電力有限公司嘉興供電公司，浙江 嘉興 314000；4.國網(wǎng)浙江省電力有限公司溫州供電公司，浙江 溫州 325000）

0 引言

浙江省地處我國東南沿海，屬于經(jīng)濟(jì)發(fā)達(dá)地區(qū)，2020 年全社會(huì)用電量達(dá)到4 830 億kWh，浙江電網(wǎng)是浙江省社會(huì)經(jīng)濟(jì)發(fā)展的最重要基礎(chǔ)設(shè)施之一，其安全穩(wěn)定運(yùn)行對于全社會(huì)正常運(yùn)轉(zhuǎn)具有極為重要的作用。但由于浙江省所處的地理氣象環(huán)境極為復(fù)雜，東臨太平洋、境內(nèi)多山區(qū)，臺風(fēng)、覆冰、雷擊等自然災(zāi)害頻發(fā)，對浙江電網(wǎng)的運(yùn)營造成了嚴(yán)重威脅。國網(wǎng)浙江省電力有限公司電力科學(xué)研究院作為浙江電網(wǎng)主要技術(shù)研究和技術(shù)支撐單位，長期以來對各類電網(wǎng)自然災(zāi)害開展了跟蹤研究，在電網(wǎng)防雷、防污閃、防覆冰和防風(fēng)害等領(lǐng)域取得了一系列研究成果[1-10]。

本文基于國網(wǎng)浙江省電力有限公司電力科學(xué)研究院近年在電網(wǎng)自然災(zāi)害研究方面積累的數(shù)據(jù)和成果，分別對近15 年以來電網(wǎng)自然災(zāi)害的特征、自然災(zāi)害長期趨勢、浙江電網(wǎng)當(dāng)前自然災(zāi)害監(jiān)測預(yù)警技術(shù)概況及面臨挑戰(zhàn)進(jìn)行了分析，希望能為未來浙江省和其它省市電網(wǎng)的建設(shè)和運(yùn)營提供有益的經(jīng)驗(yàn)。

1 自然災(zāi)害特征

1.1 數(shù)據(jù)來源

通過對電網(wǎng)自然災(zāi)害數(shù)據(jù)特征的深入分析能夠?yàn)殡娋W(wǎng)建設(shè)運(yùn)營方式改進(jìn)提供有力技術(shù)支撐。本文數(shù)據(jù)來源于國網(wǎng)浙江省電力有限公司電力科學(xué)研究院近15 年以來在電網(wǎng)自然災(zāi)害故障分析、監(jiān)測和預(yù)警等的實(shí)踐工作。電網(wǎng)自然災(zāi)害數(shù)據(jù)最為重要同時(shí)也是最為可靠的部分是跳閘數(shù)據(jù)，具體包括了跳閘的時(shí)間、線路名稱、故障桿塔等，結(jié)合跳閘發(fā)生的時(shí)間和地理位置，本文從電網(wǎng)設(shè)備臺賬系統(tǒng)、雷電定位系統(tǒng)、數(shù)值氣象預(yù)報(bào)系統(tǒng)等信息系統(tǒng)中提取了跳閘發(fā)生時(shí)故障桿塔設(shè)備數(shù)據(jù)和周邊的自然環(huán)境相關(guān)數(shù)據(jù)。此外，本文還有部分?jǐn)?shù)據(jù)來自DEM（數(shù)字高程模型）、熱帶氣旋最佳路徑數(shù)據(jù)集、電網(wǎng)自然災(zāi)害專題圖等。

1.2 總體情況

電網(wǎng)主干網(wǎng)架主要由輸電線路和變電站共同構(gòu)成，雖然變電站也存在污閃、臺風(fēng)等自然災(zāi)害造成的故障，但其數(shù)量與輸電線路中由自然災(zāi)害造成的跳閘數(shù)量有較大差距，這主要是因?yàn)檩旊娋€路通常高聳于野外，容易受自然災(zāi)害的影響。此外，變電站內(nèi)的自然災(zāi)害類故障多數(shù)也是由輸電線路跳閘引發(fā)，例如在2019 年第9 號臺風(fēng)“利奇馬”和2020 年第4 號臺風(fēng)“黑格比”臺風(fēng)期間，浙江電網(wǎng)主網(wǎng)全站失電變電站中85.5%是由進(jìn)線同時(shí)跳閘引發(fā)的，詳情如圖1 所示。又如雷電直接擊中變電站設(shè)備造成電網(wǎng)故障是極為罕見的，通常變電站雷電故障由輸電線路引入，如文獻(xiàn)[11]報(bào)道了一起線路雷擊跳閘引發(fā)的變電站主變失電故障。這些案例均說明電網(wǎng)自然災(zāi)害受災(zāi)對象主要是輸電線路，因此，下文主要針對輸電線路開展對電網(wǎng)自然災(zāi)害的分析。

圖1 變電站臺風(fēng)故障原因分析

圖2 所示為2010—2020 年浙江電網(wǎng)220 kV及以上線路主要跳閘原因占比分析結(jié)果，可見在前6 位的跳閘原因中，4 項(xiàng)屬于自然災(zāi)害，分別為雷擊（占比57.8%）、臺風(fēng)（占比13.6%）、冰害（占比5.1%）和風(fēng)偏閃絡(luò)（占比4.3%），自然災(zāi)害導(dǎo)致的220 kV 及以上線路跳閘占比合計(jì)達(dá)到了80.8%，說明自然災(zāi)害已經(jīng)是浙江電網(wǎng)運(yùn)行面臨的首要威脅。此外，臺風(fēng)和覆冰等自然災(zāi)害往往導(dǎo)致大量輸電線路在同時(shí)間段內(nèi)永久性故障，即無法成功重合閘，往往對大電網(wǎng)安全造成嚴(yán)重沖擊。需要指出的是，圖2 中的外力破壞包括了機(jī)械外破、異物外破和城市火災(zāi)等原因；風(fēng)偏閃絡(luò)指除臺風(fēng)外的大風(fēng)天氣導(dǎo)致的跳線和導(dǎo)線風(fēng)偏閃絡(luò)，通常由短時(shí)強(qiáng)對流天氣引發(fā)。

圖2 近11 年220 kV 及以上線路主要跳閘原因占比

1.3 空間特征

自然災(zāi)害導(dǎo)致的線路跳閘往往與特定的地理環(huán)境有關(guān)聯(lián)，圖3 所示為浙江電網(wǎng)2010—2020年220 kV 及以上線路因自然災(zāi)害導(dǎo)致的跳閘故障點(diǎn)位置分布。圖3（a）所示為雷擊跳閘故障點(diǎn)的分布情況，可以看到全省范圍內(nèi)均有雷擊跳閘發(fā)生，但雷擊跳閘最密集的區(qū)域包括東部沿海區(qū)域和金衢盆地邊緣地區(qū)，這是由于東部沿海受海洋暖濕氣流影響較為嚴(yán)重，暖濕氣流由海洋向陸地流動(dòng)時(shí)，遇到浙江沿海地區(qū)山脈后容易形成上升氣流從而形成雷暴云團(tuán)，最終導(dǎo)致沿海地區(qū)容易密集發(fā)生雷擊跳閘；金衢盆地的山谷風(fēng)效應(yīng)也容易產(chǎn)生氣流的不穩(wěn)定，從而引發(fā)雷暴云團(tuán)，最終導(dǎo)致密集發(fā)生雷擊跳閘[8]。

圖3（b）所示為浙江電網(wǎng)2010—2020 年220 kV 及以上線路因臺風(fēng)、冰害、風(fēng)偏閃絡(luò)和污閃跳閘故障點(diǎn)的地理位置分布。臺風(fēng)跳閘故障點(diǎn)的分布集中在溫州至臺州沿海地區(qū)，內(nèi)陸由臺風(fēng)導(dǎo)致的220 kV 及以上線路跳閘故障點(diǎn)極為罕見。圖4 所示為由臺風(fēng)導(dǎo)致的跳閘故障點(diǎn)與海岸線距離的統(tǒng)計(jì)結(jié)果，該圖中臺風(fēng)故障點(diǎn)與海岸線間距按照0～20 km，20～40 km，40～60 km 和60～80 km 進(jìn)行統(tǒng)計(jì)，所有故障點(diǎn)在0～275 km 按照25 km 間隔進(jìn)行統(tǒng)計(jì)?？梢姡c所有自然災(zāi)害跳閘故障點(diǎn)與海岸距離的統(tǒng)計(jì)結(jié)果相比，臺風(fēng)跳閘故障點(diǎn)通常距離海岸線不會(huì)超過50 km，這是由于臺風(fēng)登陸后受地形摩擦作用，能量逐漸喪失并且得不到海洋暖濕水汽的能量補(bǔ)充，風(fēng)速迅速衰減，難以造成主網(wǎng)線路跳閘[9]。需要指出的是，臺風(fēng)登陸后風(fēng)速將迅速衰減，但其所攜引發(fā)的暴雨可能會(huì)造成內(nèi)陸地區(qū)洪澇災(zāi)害，會(huì)對電網(wǎng)配電設(shè)備造成威脅。

圖3 浙江電網(wǎng)各類自然災(zāi)害故障點(diǎn)地理位置分布

圖4 臺風(fēng)故障點(diǎn)與海岸線間距分布

如圖3（b）所示，浙江電網(wǎng)2010—2020 年220 kV 及以上線路冰害故障點(diǎn)主要分布在浙中和浙北地區(qū)，這是由于浙江電網(wǎng)嚴(yán)重冰害往往由凍雨造成，而浙江中部和北部處于貴州-湖南-江西-浙江這一南部凍雨地帶的東端，容易發(fā)生冰害。圖5 所示為冰害故障點(diǎn)的海拔分布統(tǒng)計(jì)結(jié)果，該圖中冰害故障點(diǎn)海拔在75～100 m 按照75 m 間隔進(jìn)行統(tǒng)計(jì)，所有故障點(diǎn)在0～1 000 m 按照75 m間隔進(jìn)行統(tǒng)計(jì)?？梢?，與所有自然災(zāi)害跳閘故障點(diǎn)海拔統(tǒng)計(jì)結(jié)果相比，冰害故障點(diǎn)主要發(fā)生在海拔200 m 以上的區(qū)域，其中海拔600 m 以上區(qū)域故障點(diǎn)最為集中，這是由于高海拔山區(qū)溫度較低，容易造成覆冰生成和增長。

圖5 冰害故障點(diǎn)海拔分布

圖3（b）所示的風(fēng)偏閃絡(luò)跳閘在全省各區(qū)域均有分布，其原因較為復(fù)雜，包括浙中北部平原地區(qū)的颮線風(fēng)和龍卷風(fēng)等中尺度和小尺度天氣系統(tǒng)造成的局部地區(qū)瞬時(shí)風(fēng)速嚴(yán)重超過線路設(shè)計(jì)風(fēng)速而導(dǎo)致的跳線風(fēng)偏跳閘，浙南地區(qū)高聳山峰上的線路桿塔在強(qiáng)對流天氣過程中也曾出現(xiàn)大面積跳線風(fēng)偏跳閘。圖3（b）所示的污閃跳閘故障點(diǎn)處于緊鄰海岸線的位置上，這是由于浙江近年來生態(tài)環(huán)境逐步改善，內(nèi)陸地區(qū)污閃問題已經(jīng)絕跡多年，僅在緊鄰海岸線地區(qū)在長期干旱情況下零星出現(xiàn)過污閃跳閘問題，這些污閃是由于海霧攜帶的鹽分沉積在絕緣子表面，長期干旱條件下得不到雨水沖洗，在濕度上升時(shí)引發(fā)的。圖6 所示為某次連續(xù)2 個(gè)月干旱后出現(xiàn)的污閃爬電的桿塔塔位分布，可見爬電的桿塔塔位均位于沿海小平原區(qū)域，這是由于海霧通常難以深入內(nèi)陸超過10 km，浙江電網(wǎng)運(yùn)行經(jīng)驗(yàn)表明，海鹽導(dǎo)致的爬電和污閃通常發(fā)生在距離海岸線5 km 以內(nèi)的區(qū)域。

圖6 某次污穢爬電桿塔地理位置

1.4 時(shí)間特征

浙江省氣候四季分明，不同時(shí)間段具有非常不同的氣象特征，因此自然災(zāi)害在時(shí)間分布上具有顯著的規(guī)律。圖7 所示為2016—2020 年浙江電網(wǎng)220 kV 及以上輸電線路臺風(fēng)、雷擊、冰害、風(fēng)偏閃絡(luò)跳閘次數(shù)的逐日累積分布，可見臺風(fēng)災(zāi)害集中度最高，主要發(fā)生在7 月下旬至8 月中旬，這是由于這一時(shí)期浙江省沿海處于海水溫度最高的階段，臺風(fēng)在近海不僅不會(huì)減弱，還會(huì)增強(qiáng)，這樣的臺風(fēng)一旦登陸，將造成大面積跳閘。雷擊和風(fēng)偏閃絡(luò)跳閘均在3 月中旬開始發(fā)生，其中雷擊跳閘在整個(gè)夏季均有發(fā)生，但在時(shí)間分布上不均勻，這是由于雷擊跳閘通常與雷暴云團(tuán)的生成和發(fā)展相關(guān)，而雷暴云團(tuán)的生成和移動(dòng)與氣溫、濕度、對流等一系列氣象要素相關(guān)，生成時(shí)間具有隨機(jī)性。風(fēng)偏閃絡(luò)在整個(gè)夏秋季節(jié)也均有發(fā)生，但其發(fā)生最多的時(shí)間段為3 月中旬，這時(shí)浙江省開始出現(xiàn)“春雷”活動(dòng)，浙中北地區(qū)往往伴隨雷暴出現(xiàn)颮線風(fēng)和龍卷風(fēng)等天氣，容易造成輸電線路跳閘。冰害在時(shí)間上也較為集中，并且可以大體分為12 月中下旬的“入冬”時(shí)間段和2 月上旬至中旬的“出冬”時(shí)間段較為密集，“出冬”時(shí)間段的冰害跳閘多于“入冬”時(shí)間段。

圖7 自然災(zāi)害跳閘日分布

圖8 所示為2016—2020 年浙江電網(wǎng)220 kV及以上輸電線路雷擊和冰害跳閘的小時(shí)分布，可見雷擊從12:00 開始逐漸增多，在15:00—17:00達(dá)到高峰，隨后逐步減少，這是因?yàn)檎憬±纂娀顒?dòng)的時(shí)段分布主要受大氣中尺度循環(huán)控制，在夏秋季節(jié)具體表現(xiàn)為海風(fēng)以垂直于海岸線的方向吹入大陸，陸風(fēng)則方向相反。浙江省夏秋季節(jié)海風(fēng)盛行時(shí)間段一般為9:00—21:00，陸風(fēng)盛行時(shí)間段一般為23:00—次日9:00[12]。海風(fēng)含水量較高，容易形成雷暴云。海風(fēng)從9:00 開始逐漸增大，在15:00 達(dá)到風(fēng)力最大值，對比海風(fēng)盛行時(shí)段和雷擊發(fā)生時(shí)間，可見兩者高度重合，因此判斷海陸風(fēng)循環(huán)浙江電網(wǎng)雷擊小時(shí)變化規(guī)律的主導(dǎo)因素。冰害跳閘的數(shù)量總體較少，但也可以看出冰害跳閘主要集中在10:00—12:00，這是由于該時(shí)間段內(nèi)溫度開始上升，覆冰逐漸開始脫落，而不均勻脫冰所引發(fā)的導(dǎo)地線不同步跳躍是浙江電網(wǎng)冰害跳閘的最常見原因。

圖8 雷擊與冰害跳閘小時(shí)分布

圖9 所示為輸電線路臺風(fēng)跳閘時(shí)刻和臺風(fēng)中心登陸時(shí)刻的時(shí)間差，可以看到跳閘數(shù)量較為密集的是登陸前的3 h 時(shí)間段內(nèi)，這是因?yàn)榕_風(fēng)眼墻觸岸時(shí)刻要早于臺風(fēng)中心登陸時(shí)刻，而眼墻觸岸是臺風(fēng)破壞力最強(qiáng)的時(shí)刻，此時(shí)臺風(fēng)風(fēng)場湍流極強(qiáng)，瞬時(shí)風(fēng)速可以大幅超過平均風(fēng)速，容易造成大規(guī)模輸電線路跳閘。

圖9 線路跳閘時(shí)間與臺風(fēng)登陸時(shí)間差距

2 自然災(zāi)害趨勢

2.1 雷擊災(zāi)害趨勢

圖10 所示為2010—2020 年浙江省各年度地閃總數(shù)量和220 kV 及以上線路雷擊跳閘次數(shù)，可見地閃數(shù)量和雷擊跳閘數(shù)量在這11 年總體呈現(xiàn)了下降趨勢。落雷總數(shù)量和雷擊跳閘次數(shù)間的相關(guān)系數(shù)高達(dá)0.78，為強(qiáng)相關(guān)關(guān)系，即地閃數(shù)量很大程度上決定了雷擊跳閘數(shù)量，但是2019—2020 年，隨著浙江電網(wǎng)大規(guī)模開展線路避雷器安裝，出現(xiàn)了反常的落雷數(shù)量和雷擊跳閘次數(shù)反向變化的趨勢，即盡管2020 年落雷數(shù)量比2019 年多53.1%，但2020 年跳閘次數(shù)反而同比下降8.5%，說明大規(guī)模安裝線路避雷器顯著提升了輸電線路防雷性能。

圖10 220 kV 及以上線路雷擊跳閘與落雷數(shù)量關(guān)系

在雷擊災(zāi)害的長期趨勢方面，年度之間的地閃總量變化存在較強(qiáng)的隨機(jī)性，如圖11 所示，某輸電線路通道內(nèi)2019 年和2020 年的地閃疏密程度有顯著差異，并且其變化機(jī)理尚不清晰。盡管地閃總量年際變化缺乏規(guī)律，但根據(jù)清華大學(xué)孔鋒等人的研究，在年代尺度下地閃總量變化有一定的規(guī)律，總體上地閃數(shù)量呈現(xiàn)減少的趨勢，但浙江沿海地區(qū)地閃有增加趨勢[13]。

圖11 某線路通道2019—2020 年落雷情況

2.2 臺風(fēng)災(zāi)害趨勢

根據(jù)中國氣象局熱帶氣旋資料中心的最佳路徑數(shù)據(jù)集[14-15]數(shù)據(jù)分析，浙江一直是頻繁受臺風(fēng)影響地區(qū)。建國以來登陸浙江的臺風(fēng)登陸時(shí)間和強(qiáng)度分布如圖12 所示，可見浙江在7 月初至10月上旬均有臺風(fēng)登陸記錄，但在8 月份最為集中。登陸浙江的臺風(fēng)以熱帶風(fēng)暴至臺風(fēng)級為主，但也曾多次出現(xiàn)強(qiáng)臺風(fēng)和超強(qiáng)臺風(fēng)直接登陸的情況，強(qiáng)臺風(fēng)和超強(qiáng)臺風(fēng)登陸往往會(huì)造成電網(wǎng)大規(guī)模跳閘，并導(dǎo)致局部地區(qū)供電短時(shí)中斷。

圖12 建國以來登陸浙江省臺風(fēng)時(shí)間與強(qiáng)度分布

圖13 所示為建國以來曾經(jīng)登陸浙江的臺風(fēng)級及以上熱帶氣旋路徑情況，可見這些曾對浙江電網(wǎng)造成嚴(yán)重影響的臺風(fēng)多數(shù)在溫州蒼南至寧波象山一帶登陸，這可能是因?yàn)橄笊揭员钡貐^(qū)海溫逐漸降低，臺風(fēng)不容易在近海吸收溫暖海水的能量而進(jìn)一步增強(qiáng)，從而對電網(wǎng)的影響有限。但是近65 年海水熱容量呈現(xiàn)持續(xù)攀升態(tài)勢，說明全球變暖已經(jīng)既成事實(shí)，并且這一趨勢在可預(yù)見的未來還將持續(xù)[16]。在全球變暖的背景下，所有影響臺風(fēng)生成和發(fā)展的因素都將發(fā)生變化。多數(shù)研究認(rèn)為全球變暖將導(dǎo)致未來全球臺風(fēng)數(shù)量減少，但臺風(fēng)平均強(qiáng)度將增加[17]，并且臺風(fēng)降水量將增高，帶來更加嚴(yán)重的風(fēng)暴潮。此外，國內(nèi)外已有多項(xiàng)研究表明臺風(fēng)活動(dòng)區(qū)域有向高緯度轉(zhuǎn)移的趨勢，臺風(fēng)最大強(qiáng)度位置在北半球平均每10 年北移53 km[18]，因此未來浙江電網(wǎng)臺風(fēng)災(zāi)害風(fēng)險(xiǎn)有可能進(jìn)一步增加，不僅溫州、臺州和寧波南部等傳統(tǒng)電網(wǎng)臺風(fēng)災(zāi)害頻發(fā)區(qū)可能會(huì)迎來更加頻繁的強(qiáng)臺風(fēng)考驗(yàn)，可能寧波北部、舟山甚至杭州灣地區(qū)電網(wǎng)也將會(huì)出現(xiàn)臺風(fēng)災(zāi)害。

圖13 建國以來登陸浙江臺風(fēng)級及以上熱帶氣旋路徑

2.3 覆冰災(zāi)害趨勢

浙江電網(wǎng)在2008 年前很少發(fā)生覆冰災(zāi)害，2008 年、2013 年和2019 年發(fā)生了3 次相對較為嚴(yán)重的冰災(zāi)，造成了較為嚴(yán)重的損失。2008 年全省電網(wǎng)遭受嚴(yán)重的覆冰災(zāi)害，共計(jì)23 條500 kV，21 條220 kV，15 條110 kV 線路跳閘停運(yùn)。2013年1 月，受雨雪冰凍影響，全省主網(wǎng)累計(jì)24 條輸電線路發(fā)生故障跳閘。從2018 年12 月至2019年2 月，浙北地區(qū)受寒潮天氣影響，輸電線路出現(xiàn)覆冰并引發(fā)故障跳閘，累計(jì)8 條220 kV 及以上線路發(fā)生故障跳閘。

新建線路無論設(shè)計(jì)標(biāo)準(zhǔn)還是設(shè)備完好程度均好于老舊線路，因此也相對不容易發(fā)生自然災(zāi)害導(dǎo)致的故障。但2019 年初的冰害跳閘線路中，投運(yùn)時(shí)間最長的不超過6 年，均屬于新建線路。這是由于浙江省經(jīng)濟(jì)發(fā)達(dá)，輸電線路走廊資源緊張，新建線路不斷向較高海拔區(qū)段遷移，如圖14所示，1990 年以來浙江電網(wǎng)220 kV 及以上新投運(yùn)線路平均海拔呈現(xiàn)顯著的上升趨勢，30 年以來線路平均海拔上升了10 倍，如本文2.2 節(jié)所述，線路覆冰通常發(fā)生在高海拔地區(qū)，新建線路不斷向高海拔地區(qū)遷移導(dǎo)致了近年以來冰害線路中多數(shù)為投運(yùn)不久的新建線路，這與浙江電網(wǎng)臺風(fēng)災(zāi)害故障線路多數(shù)為老舊線路的特征形成了鮮明的對比。

圖14 歷年新投運(yùn)220 kV 及以上線路平均海拔

為了研究電網(wǎng)覆冰災(zāi)害的長期趨勢，國網(wǎng)浙江省電力有限公司電力科學(xué)研究院與浙江省氣象科學(xué)研究所共同開展了凍雨地帶的變化趨勢研究[19-20]。研究表明，隨著全球氣候變暖，我國冬季暖濕氣流偏強(qiáng)，浙江省凍雨分布也從2017 年開始有往北的發(fā)展趨勢。浙江電網(wǎng)實(shí)際運(yùn)行經(jīng)驗(yàn)也表明，浙北地區(qū)出現(xiàn)中等程度及以上覆冰發(fā)生的月數(shù)從2017 年開始明顯增加，浙中地區(qū)變化不明顯，浙南地區(qū)則在2015 年后有減少的趨勢。

2.4 非常規(guī)自然災(zāi)害

在浙江電網(wǎng)自然災(zāi)害的趨勢方面，出現(xiàn)了幾類較為特殊的災(zāi)害類型，這些災(zāi)害往往機(jī)理復(fù)雜、災(zāi)害防御研究不足，給電網(wǎng)防災(zāi)減災(zāi)工作帶來了挑戰(zhàn)。如臺風(fēng)不僅帶來眾所周知的大風(fēng)和暴雨天氣，還會(huì)在其前沿激發(fā)龍卷風(fēng)，根據(jù)北京大學(xué)孟智勇等人的分析，2006—2018 年登陸我國的臺風(fēng)中27%會(huì)激發(fā)出龍卷風(fēng)，龍卷風(fēng)主要發(fā)生在臺風(fēng)中心的東北象限[21]。在浙江電網(wǎng)的運(yùn)行中，也觀察到了由臺風(fēng)激發(fā)的龍卷風(fēng)造成的輸電線路跳閘，如2019 年第9 號臺風(fēng)“利奇馬”期間，浙江電網(wǎng)主網(wǎng)最先出現(xiàn)跳閘的并不是臺風(fēng)登陸點(diǎn)所在的臺州地區(qū)，而是距離臺風(fēng)登陸點(diǎn)100 km 以上的寧波地區(qū)某輸電線路，結(jié)合后續(xù)現(xiàn)場勘查發(fā)現(xiàn)的故障桿塔周邊樹木倒伏跡象，判斷這是臺風(fēng)前沿激發(fā)的龍卷風(fēng)引發(fā)的跳閘。此外，強(qiáng)對流活動(dòng)同時(shí)帶來密集雷暴、局地大風(fēng)和冰雹也會(huì)對電網(wǎng)造成嚴(yán)重影響。

并非所有的自然災(zāi)害均會(huì)造成電網(wǎng)設(shè)備直接受損，如全球變暖后各地不斷出現(xiàn)的高溫?zé)崂藶?zāi)害。高溫?zé)崂撕苌贂?huì)直接造成電網(wǎng)設(shè)備損毀，但輸電線路輸送能力很大程度上取決于環(huán)境溫度[22]，高溫?zé)崂藭?huì)造成環(huán)境溫度持續(xù)處于高位，導(dǎo)致輸電線路輸送能力大幅受限，而此時(shí)又恰好會(huì)出現(xiàn)由于高溫導(dǎo)致的用電負(fù)荷高峰，可能導(dǎo)致大量輸電線路超限運(yùn)行，嚴(yán)重威脅電網(wǎng)穩(wěn)定性。此外，長期干旱不僅可能引發(fā)局部污閃災(zāi)害，還可能導(dǎo)致水力發(fā)電廠在冬季負(fù)荷高峰季節(jié)發(fā)電能力不足的問題，造成電網(wǎng)供需失衡。這些非常規(guī)電網(wǎng)自然災(zāi)害的危害程度甚至超過了會(huì)導(dǎo)致電網(wǎng)設(shè)備損毀的自然災(zāi)害。

3 自然災(zāi)害預(yù)測

3.1 技術(shù)概況

由于浙江省自然災(zāi)害頻發(fā)，浙江電網(wǎng)一直存在對于電網(wǎng)自然災(zāi)害預(yù)測技術(shù)的需求，國網(wǎng)浙江省電力有限公司電力科學(xué)研究院在電網(wǎng)自然災(zāi)害預(yù)測方面開展了一系列研究和應(yīng)用工作，已在臺風(fēng)災(zāi)害預(yù)測和覆冰災(zāi)害預(yù)測方面形成了成熟的技術(shù)體系，并在密集雷暴預(yù)測和污閃預(yù)測方面開展了技術(shù)上的探索。盡管不同電網(wǎng)自然災(zāi)害的預(yù)測技術(shù)有較大的差異，但總體上各類自然災(zāi)害預(yù)測技術(shù)路線與圖15 所示接近。

圖15 自然災(zāi)害預(yù)測技術(shù)框架

如圖15 左側(cè)所示，電網(wǎng)自然災(zāi)害的輸入數(shù)據(jù)包括臺風(fēng)路徑預(yù)報(bào)數(shù)據(jù)、數(shù)值氣象預(yù)報(bào)數(shù)據(jù)、雷達(dá)監(jiān)測數(shù)據(jù)、雷電探測站數(shù)據(jù)等，其中數(shù)值氣象預(yù)報(bào)數(shù)據(jù)包括了風(fēng)速、降水、溫度、濕度等氣象要素，不同的自然災(zāi)害預(yù)測需要采用不同的氣象要素，如臺風(fēng)災(zāi)害預(yù)測需要使用風(fēng)速和降水等數(shù)據(jù)，覆冰預(yù)測需要風(fēng)速、溫度和降水等數(shù)據(jù)，而污閃預(yù)測則需要使用濕度數(shù)據(jù)。

如圖15 中間部分所示，電網(wǎng)自然災(zāi)害預(yù)測的技術(shù)路線包括確定性預(yù)測和人工智能類預(yù)測方法兩大類，其中，確定性預(yù)測是指通過將預(yù)測氣象要素值和電網(wǎng)設(shè)備抗災(zāi)能力數(shù)據(jù)進(jìn)行比較，得到災(zāi)害情況的預(yù)測結(jié)果，如通過對比輸電線路桿塔所處位置的風(fēng)速和線路設(shè)計(jì)風(fēng)速來確定輸電線路是否存在倒塔或風(fēng)偏的災(zāi)害。確定性預(yù)測方法原理符合人類直覺、易于理解，但目前氣象要素的預(yù)測精度還不足以支撐這類預(yù)測方法的工程應(yīng)用。人工智能類的預(yù)測方法是指通過利用機(jī)器學(xué)習(xí)技術(shù)，將包括氣象要素在內(nèi)的多種輸入數(shù)據(jù)和電網(wǎng)設(shè)備自然災(zāi)害數(shù)據(jù)之間建立關(guān)聯(lián)關(guān)系模型，實(shí)現(xiàn)對電網(wǎng)設(shè)備自然災(zāi)害的概率預(yù)測。

3.2 數(shù)值氣象預(yù)報(bào)

各類電網(wǎng)災(zāi)害預(yù)測技術(shù)通常都需要基于數(shù)值氣象預(yù)報(bào)數(shù)據(jù)開展。最為常見的數(shù)值氣象預(yù)報(bào)數(shù)據(jù)來自WRF（天氣研究與預(yù)報(bào)）模型[23]。如圖16所示，WRF 模型以全球氣象觀測數(shù)據(jù)為輸入數(shù)據(jù)，通過求解全球大氣運(yùn)動(dòng)控制方程進(jìn)行風(fēng)速、降水等氣象要素的預(yù)測計(jì)算，其預(yù)測計(jì)算時(shí)間范圍為未來72 h，但由于全球初始場數(shù)據(jù)傳輸、同化和控制方程求解等環(huán)節(jié)均存在時(shí)間延遲，WRF模型用于電網(wǎng)自然災(zāi)害預(yù)測時(shí)，其預(yù)報(bào)時(shí)限難以達(dá)到72 h。

圖16 數(shù)值氣象預(yù)報(bào)流程

數(shù)值氣象預(yù)報(bào)應(yīng)用于電網(wǎng)設(shè)備自然災(zāi)害預(yù)測時(shí)存在三大難點(diǎn)問題：

（1）電網(wǎng)設(shè)備所覆蓋的范圍極其廣泛，由于計(jì)算資源始終是有限的，目前數(shù)值氣象預(yù)報(bào)的網(wǎng)格無法在較大的范圍進(jìn)行精細(xì)化劃分，從而也難以得到電網(wǎng)設(shè)備所處位置的氣象要素精確預(yù)測。

（2）即使把局部網(wǎng)格不斷加密，數(shù)值氣象預(yù)報(bào)模型氣象要素的預(yù)測精度也不會(huì)一直提升，如美國愛荷華州立大學(xué)Aligo 等人曾經(jīng)對比了網(wǎng)格加密前后的降水量預(yù)測值，發(fā)現(xiàn)精度并無提升[24]。

（3）數(shù)值預(yù)報(bào)對于溫度等空間和時(shí)間變化率均較為平緩的氣象要素預(yù)測精度相對較高，但對于電網(wǎng)自然災(zāi)害預(yù)測較為關(guān)鍵的風(fēng)速、降水等時(shí)間和空間變化率較大的氣象要素預(yù)測精度較低。圖17（a）所示為2018—2019 年臺風(fēng)過境期間，某數(shù)值氣象預(yù)報(bào)系統(tǒng)在浙江電網(wǎng)安裝有微氣象監(jiān)測裝置的輸電線路桿塔所處位置的風(fēng)速預(yù)測值和實(shí)測值的對比，可見數(shù)值預(yù)測風(fēng)速值無論與觀測到的平均風(fēng)速值相比還是與極大風(fēng)速值相比，差值均有較大的離散性，說明預(yù)報(bào)精度并不能滿足確定性災(zāi)害預(yù)測的需求。考慮到數(shù)值氣象預(yù)報(bào)系統(tǒng)可能對風(fēng)速較小的工況預(yù)測誤差較大，而小風(fēng)速對電網(wǎng)設(shè)備不會(huì)造成危害，圖17（b）進(jìn)一步對比了實(shí)測平均風(fēng)速大于15 m/s 時(shí)的預(yù)報(bào)精度，可見預(yù)測值與實(shí)測值之間仍然有較大的離散性，表明即使是排除小風(fēng)速工況，數(shù)值氣象預(yù)報(bào)的精度仍然有限。

圖17 臺風(fēng)期間數(shù)值氣象預(yù)測風(fēng)速誤差分布

3.3 人工智能應(yīng)用

人工智能是通過應(yīng)用計(jì)算機(jī)科學(xué)來實(shí)現(xiàn)對人類思維決策過程的模擬，從而解決諸如圖像識別、自然語言處理、生物特征識別等人類社會(huì)發(fā)展中的技術(shù)挑戰(zhàn)[25]。機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支，包含了監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)等[26]。在數(shù)值氣象預(yù)測精度尚不能滿足電網(wǎng)自然災(zāi)害預(yù)測需求的情況下，使用確定性預(yù)測方法進(jìn)行災(zāi)害預(yù)測難度極大，而應(yīng)用機(jī)器學(xué)習(xí)中的分類決策樹等技術(shù)能夠有效提高自然災(zāi)害預(yù)測精度。

以文獻(xiàn)[27]中所提出的一種基于分類決策樹的高壓輸電線路臺風(fēng)災(zāi)后預(yù)測方法為例，如圖18所示，機(jī)器學(xué)習(xí)類方法首先要定義輸入特征量，在臺風(fēng)災(zāi)后的預(yù)警過程中，線路與海岸線間的距離、線路與臺風(fēng)中心間的距離、線路走向與主導(dǎo)風(fēng)向夾角、線路預(yù)報(bào)風(fēng)速等是重要的輸入特征量，預(yù)測模型輸出參數(shù)包括風(fēng)偏閃絡(luò)風(fēng)險(xiǎn)、異物外破風(fēng)險(xiǎn)和桿塔本體受損風(fēng)險(xiǎn)，通常這些風(fēng)險(xiǎn)均采用0～1 范圍內(nèi)的數(shù)值來表示，1 表示風(fēng)險(xiǎn)最高，0 表示無風(fēng)險(xiǎn)。機(jī)器學(xué)習(xí)類方法通過對訓(xùn)練數(shù)據(jù)的學(xué)習(xí)，建立輸入特征量和輸出參數(shù)間的關(guān)聯(lián)關(guān)系模型，從而能夠應(yīng)用于災(zāi)害預(yù)測。機(jī)器學(xué)習(xí)類方法具有隨著數(shù)據(jù)積累不斷增加其精度不斷提升的優(yōu)點(diǎn)，但也需要注意電網(wǎng)自然災(zāi)害如果出現(xiàn)了形態(tài)轉(zhuǎn)變，可能會(huì)導(dǎo)致過去的數(shù)據(jù)特征無法準(zhǔn)確用于預(yù)測未來的情況。

圖18 一種基于分類決策樹的臺風(fēng)災(zāi)害預(yù)測方法[26]

需要指出的是，目前機(jī)器學(xué)習(xí)技術(shù)已經(jīng)取得了蓬勃的發(fā)展，有大量的成熟機(jī)器學(xué)習(xí)開源程序包可供使用，如PyTorch[28]和Scikit-learn[29]等程序包已經(jīng)在多個(gè)行業(yè)取得了廣泛的應(yīng)用，電網(wǎng)自然災(zāi)害預(yù)測技術(shù)研究和實(shí)踐人員應(yīng)該聚焦于特征量的選取、訓(xùn)練數(shù)據(jù)的積累、模型參數(shù)的優(yōu)化等工作，而不是重新開發(fā)機(jī)器學(xué)習(xí)模型。

4 結(jié)語

（1）浙江電網(wǎng)自然災(zāi)害受海洋氣候影響顯著，輸電線路臺風(fēng)和污閃災(zāi)害通常緊鄰海岸線的位置發(fā)生，臺風(fēng)災(zāi)害通常發(fā)生在海溫最高的時(shí)間段，雷擊的時(shí)間特征也明顯受到海陸風(fēng)循環(huán)的控制。

（2）浙江電網(wǎng)自然災(zāi)害受不同季節(jié)氣候特征影響顯著，冰害易發(fā)于“入冬”與“出冬”季節(jié)、密集雷暴易發(fā)于春季及整個(gè)夏季，其中開春密集雷暴往往伴隨中小尺度大風(fēng)天氣，從而可能引發(fā)風(fēng)偏閃絡(luò)災(zāi)害。

（3）隨著全球變暖的不斷發(fā)展，臺風(fēng)盛行地帶有北移趨勢，預(yù)計(jì)浙江電網(wǎng)臺風(fēng)災(zāi)害風(fēng)險(xiǎn)將進(jìn)一步增強(qiáng)。冰害同樣由于全球變暖而呈現(xiàn)北移趨勢，浙北地區(qū)冰害風(fēng)險(xiǎn)可能將進(jìn)一步增長。雷擊近年總體呈現(xiàn)減少趨勢，但未來在沿海地區(qū)的雷擊可能會(huì)增加。

（4）目前的數(shù)值氣象預(yù)報(bào)技術(shù)水平尚不足以支持電網(wǎng)自然災(zāi)害的確定性預(yù)測，應(yīng)用人工智能類方法是現(xiàn)階段提升電網(wǎng)自然災(zāi)害預(yù)測水平的有效方法。

（5）對電網(wǎng)自然災(zāi)害特征和趨勢的分析，以及對電網(wǎng)自然災(zāi)害預(yù)測技術(shù)的研究和應(yīng)用可以為電網(wǎng)的規(guī)劃、建設(shè)和運(yùn)營策略改進(jìn)提供依據(jù)，是提升面向重大自然災(zāi)害的電網(wǎng)彈性的重要手段。